cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Pramitha Dwi Larasati
Contact Email
jurnal.siskomkb@tau.ac.id
Phone
+628569874091
Journal Mail Official
jurnal.siskomkb@tau.ac.id
Editorial Address
Jl. Swadarma Raya No. 58, Ulujami Pesanggrahan, Jakarta Selatan12250
Location
Kota adm. jakarta selatan,
Dki jakarta
INDONESIA
Jurnal Sistem Komputer & Kecerdasan Buatan
Published by Universitas Tanri Abeng
ISSN : 2613991X     EISSN : 26212927     DOI : -
Core Subject : Science, Engineering,
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Electrical & Electronics Engineering
Jurnal Sistem Komputer dan Kecerdasan Buatan (SisKom-KB) adalah salah satu jurnal ilmiah yang diterbitkan oleh kantor Lembaga Penelitian dan Pengabdian Masyarakat (LPPM) Universitas Tanri Abeng yang mencakup bidang Ilmu Komputer, Teknik Informatika, Teknik Elektro dan beberapa bidang ilmu multidisipliner yang mengarah pada Sistem Komputer berbasis Kecerdasan Buatan. Jurnal ini diterbitkan berkala dengan dua volume setiap tahunnya. Jurnal Penelitian Ilmiah ini menerima hasil tulisan penelitian ilmiah dari luar civitas akademika Universitas Tanri Abeng
Arjuna Subject : Ilmu Komputer (semua kategori) - Ilmu Komputer (Lain-Lain)
Articles 5 Documents
 1 
Search results for , issue "Vol. 4 No. 1 (2020): Volume IV - Nomor 1 - September 2020" : 5 Documents clear
Perancangan Aplikasi Monitoring Ruangan Menggunakan IP Camera Berbasis Android Sri Apriyani; Ridho Taufiq Subagio; Wanda Ilham
Jurnal SISKOM-KB (Sistem Komputer dan Kecerdasan Buatan) Vol. 4 No. 1 (2020): Volume IV - Nomor 1 - September 2020
Publisher : Teknik Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47970/siskom-kb.v4i1.161

Abstract

Dengan maraknya teknologi internet dalam dunia pendidikan, hampir semua kegiatan di semua instansi pendidikan dapat dilakukan secara online, serta dilakukan kapan dan dimana saja. Salah satu pemanfaatan teknologi internet tersebut adalah monitoring keamanan ruangan pada suatu Perguruan Tinggi. Pada Universitas Catur Insan Cendekia (CIC) monitoring keamanan ruangan masih menggunakan CCTV (Closed Circuit Television) analog yang dihubungkan langsung dengan DVR (Digital Video Recorder) jika jumlah port DVR tidak memenuhi jumlah kamera yang akan digunakan maka harus menyediakan DVR yang baru serta untuk melihat hasil rekaman CCTV harus memasuki ruangan yang terpasang DVR, hal tersebut menjadi tidak efesien karena Universitas CIC menerapkan konsep kerja Work From Home (WFH) yang membuat bagian keamanan tidak selalu berada di ruang keamanan tersebut. Adapun tujuan penelitian ini adalah merancang dan membangun sistem monitoring keamanan ruangan menggunakan IP Camera berbasis Android. Metode pengembangan perangkat lunak yang digunakan adalah SDLC model waterfall yang terdiri dari 5 tahapan yaitu analisis, desain, pengkodean, pengujian dan pemeliharaan. Setelah semua tahapan penelitian telah dilakukan, hasil penelitian ini adalah aplikasi monitoring keamanan ruangan dengan IP Camera pada Universitas CIC yang dapat memudahkan petugas keamanan ruangan dalam memantau keamanan ruangan melalui aplikasi pada smartphone Android.
Pengukuran Panjang-Berat Ikan dan Sayuran pada Budikdamber (Budi Daya Ikan dalam Ember) Menggunakan Visi Komputer dan Regresi Linier Hurriyatul Fitriyah
Jurnal SISKOM-KB (Sistem Komputer dan Kecerdasan Buatan) Vol. 4 No. 1 (2020): Volume IV - Nomor 1 - September 2020
Publisher : Teknik Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47970/siskom-kb.v4i1.166

Abstract

Budi daya ikan dalam ember atau Budikdamber kini banyak diminati masyarakat Indonesia karena dapat dilakukan pada lahan yang terbatas. Lele dan kangkung adalah ikan dan sayuran yang sering dikembangbiakkan pada budikdamber ini. Meski keduanya tergolong mudah untuk tumbuh, namun pemantauan kondisi masih perlu dilakukan. Diantaranya adalah ukuran ikan dan sayuran yang dapat menunjukkan apakah kondisi keduanya baik atau memerlukan penanganan. Penelitian ini membuat sistem pengukuran berat dan panjang ikan dan sayuran pada budikdamber menggunakan visi komputer untuk mengambil fitur dan regresi linier untuk memprediksi ukuran. Kamera dipilih sebagai sensor agar pengukuran dapat dilakukan secara non-kontak. Fitur yang digunakan adalah luas area dari lele dan kangkung yang diperoleh berdasarkan proses segmentasi pada ruang warna Hue dan Saturation. Prediksi berat dan panjang menggunakan Regresi Linier dengan input luas area dan output berat-panjang melalui proses pelatihan data. Hasil pengujian menggunakan Kfold cross Validation pada gambar uji menunjukkan nilai koefisien determinasi R2 yang tinggi pada panjang & berat lele (0,92 & 0,88), namun rendah pada panjang & berat kangkung (0,43 & 0,07). Meski demikian, Mean Absolute Percentage Error (MAPE) dari prediksi ukuran kangkung masih baik yakni 13,37% untuk berat dan 5,78% untuk panjang. MAPE dari pengukuran panjang lele adalah 1,49% dan berat lele adalah 4,49%. Nilai-nilai tersebut menunjukkan bahwa algoritma yang dibangun sudah memiliki akurasi yang baik, namun masih perlu perbaikan dalam hal prediksi ukuran kangkung.
Penerapan Algoritma Naïve Bayes Untuk Klasifikasi Penyakit Diabetes Mellitus achmad Ridwan
Jurnal SISKOM-KB (Sistem Komputer dan Kecerdasan Buatan) Vol. 4 No. 1 (2020): Volume IV - Nomor 1 - September 2020
Publisher : Teknik Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47970/siskom-kb.v4i1.169

Abstract

Diabetes Mellitus atau kencing manis adalah penyakit metabolisme disebabkan oleh kadar gula tinggi didalam darah. Gula darah disimpan atau digunakan untuk energi yang berasal dari darah yang dipindahkan ke sel manusia oleh hormon insulin . ketika terserang Diabetes, pada tubuh manusia insulin tidak biasa dihasilkan secara cukup bahkan tubuh tidak dapat menggunakan insulin tersebut secara benar sesuai kebutuhan. Diabetes Mellitus terdaftar sebagai penyakit penyumbang kematian terbesar terbesar didunia. Diabetes Mellitus dapat diklasifikasikan berdasarkan kemungkinan terkenanya dari atribut gejala diawal fasenya. penyakit ini bisa dideteksi karena banyak gejala yang terdeteksi. Data yang digunakan pada analisis ini merupakan data dari dataset UCI Machine Learning yaitu Early Stage Diabetes Risk tahun 2020 dan terdiri 17 attribut. Analisis yang dilakukan meliputi data preprocessing, model, dan evaluasi. Pengujian Metode klasifikasi pada riset adalah Naïve Bayes Classification. Hasil klasifikasi menunjukkan akurasi sebesar 90.20% dan nilai AUCnya yaitu 0,95
Rancang Bangun Sistem Penjadwalan Kuliah Menggunakan Algoritma Genetika (Studi Kasus : Universitas CIC) syifa ulkarim; Marsani Asfi; Tiara Eka Putri
Jurnal SISKOM-KB (Sistem Komputer dan Kecerdasan Buatan) Vol. 4 No. 1 (2020): Volume IV - Nomor 1 - September 2020
Publisher : Teknik Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47970/siskom-kb.v4i1.172

Abstract

Universitas Catur Insan Cendekia (UCIC) adalah perguruan tinggi yang berlokasi di Jl. Kesambi No. 202 Kota Cirebon dan berada pada naungan yayasan Catur Insan Cendekia. Dalam upaya melakukan penjadwalan kuliah Universitas Catur Insan Cendekia masih dibuat secara semi manual sehingga terbilang masih kurang efisien, dan sering kalinya terjadi bentrok antar jadwal kuliah sehingga dilakukannya revisi berkalikali untuk mencapai jadwal kuliah yang sesuai. Untuk mengatasi permasalahan tersebut diperlukan suatu sistem yang dapat melakukan optimasi jadwal kuliah yang lebih baik. Metode algoritma genetika adalah metode yang diterapkan dalam melakukan optimasi penjadwalan kuliah. Metode perancangan program yang digunakan adalah perancangan dengan pendekatan berorientasi objek yaitu menggunakan Unified Modelling Language. Bahasa pemrograman yang digunakan adalah Hypertext Prepocessor, MySQL, dan laravel sebagai kerangka kerja dari rancangan pembuatan program yang akan dibangun. Hasil dari penelitian ini adalah sistem yang mampu menghasilkan penjadwalan kuliah, sistem ini dapat melakukan optimasi penjadwalan dengan hasil yang lebih efisien sehingga dapat memudahkan tugas BAAK Universitas CIC.
Klasifikasi Penderita Penyakit Diabetes Menggunakan Algoritma Decision Tree C4.5 Fida Maisa Hana
Jurnal SISKOM-KB (Sistem Komputer dan Kecerdasan Buatan) Vol. 4 No. 1 (2020): Volume IV - Nomor 1 - September 2020
Publisher : Teknik Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47970/siskom-kb.v4i1.173

Abstract

Diabetes Melitus (DM) merupakan penyakit kronis yang banyak diderita oleh penduduk Indonesia, penyakit ini disebabkan karena kadar glukosa dalam darah di atas nilai normal. Penyakit ini termasuk penyakit yang rumit dan mematikan, oleh karena itu dibutuhkan perawatan medis yang kontinu agar resiko terjadinya komplikasi bisa dihindari. Dari tahun ke tahun jumlah pengidap penyakit diabetes semakin bertambah. Merujuk dari sumber data Federasi Diabetes Internasional, pengidap penyakit diabetes sebanyak 10 juta jiwa pada tahun 2015 di Indonesia, ditahun 2040 diprediksi jumlah warga Indonesia yang terjangkit penyakit diabates mengalami meningkatan sebesar 16.2 juta jiwa penduduk Indonesia. Oleh sebab itu deteksi penyakit diabetes sangat diperlukan guna merendahkan komplikasi penyakit diabetes di waktu yang akan datang. Algortima C4.5 adalah salah satu metode yang bisa dimanfaatkan untuk meramal penyakit diabetes. C4.5 Decision Tree adalah algoritma yang bisa menghasilkan keputusan dengan cara membentuk pohon keputusan. Dari hasil Pengujian menghasilkan akurasi yang cukup besar yaitu 97,12 % Precision sebesar 93,02% %, dan Recall sebesar 100,00%.

Page 1 of 1 | Total Record : 5

 1 

Filter by Year

2020 2020


Reset
Filter By Issues
All Issue Vol. 7 No. 1 (2023): Volume VII - Nomor 1 - September 2023 Vol. 6 No. 2 (2023): Volume VI - Nomor 2 - Maret 2023 Vol. 6 No. 1 (2022): Volume VI - Nomor 1 - September 2022 Vol. 5 No. 2 (2022): Volume V - Nomor 2 - Maret 2022 Vol. 5 No. 1 (2021): Volume V - Nomor 1 - September 2021 Vol. 4 No. 2 (2021): Volume IV - Nomor 2 - Maret 2021 Vol. 4 No. 1 (2020): Volume IV - Nomor 1 - September 2020 Vol. 3 No. 2 (2020): Volume III - Nomor 2 - Maret 2020 Vol. 3 No. 1 (2019): Volume III - Nomor 1 - September 2019 Vol. 2 No. 2 (2019): Volume II - Nomor 2 - Maret 2019 Vol 2 No 1 (2018): Volume II - Nomor 1 - September 2018 Vol 1 No 2 (2018): Volume I - Nomor 2 - Februari 2018 More Issue